arXiv cs.CL· \v{S}\'arka Uramov\'a, Petar Kirilov Petrov, Josef Jon, Ond\v{r}ej Bojar, Michal Nov\'ak·· 14 小时前AI 评分31
ImgMT：基于维基百科的图文翻译评测数据集
ImgMT: Wikipedia-based Dataset For Evaluating Text-in-Image Translation
AI 导读
研究者发布 ImgMT，一个从 Wikimedia Commons 本地化 SVG 插图中挖掘的多语言图文翻译数据集与基准，含 35,612 组对齐图像对、1,855 个图像集，覆盖 129 种语言、20 多种书写系统和 4,886 个语言对。
正文 · AI 翻译
摘要：图像内文本翻译旨在翻译嵌入图像中的所有文本内容。在文本图像翻译（TIT）中，输出为翻译后的文本；图像内机器翻译（IIMT）还会将译文渲染回图像中。我们推出 ImgMT，这是一个从 Wikimedia Commons 上本地化的 SVG 插图中挖掘的大规模多语言数据集与基准，聚焦于图表、地图和信息图。ImgMT 包含 35,612 对对齐图像，分为 1,855 个图像集，涵盖 129 种语言、20 多种书写系统和 4,886 个语言对。
我们提出了一种多层级评估协议，在衡量目标端翻译质量的同时，也衡量源端文本区域检测和 OCR 准确率。我们在英语->X 和 X->英语设置下对若干多模态大语言模型和一个专用 TIT 系统进行了基准测试，发现源语言和书写系统对 TIT 质量有显著影响。最后，我们表明 ImgMT 并不适合用于分离视觉信息在多模态翻译中的贡献。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.35416 [cs.CL] |
| （或 arXiv:2610.35416v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35416 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Šárka Uramová [查看电子邮件]
[v1]
2026 年 10 月 26 日星期一 13:26:57 UTC（2,762 KB）
来源：arXiv cs.CL · arxiv.org